基于Web图像的视觉模式挖掘研究
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-11页 |
| 缩略语表 | 第11-13页 |
| 第一章 绪论 | 第13-25页 |
| ·研究背景和意义 | 第13-14页 |
| ·图像挖掘技术研究现状 | 第14-18页 |
| ·特定图像的挖掘研究 | 第14-15页 |
| ·Web图像的挖掘研究 | 第15-18页 |
| ·图像重排序技术研究现状 | 第18-20页 |
| ·基于图的方法 | 第18-19页 |
| ·基于分类的方法 | 第19-20页 |
| ·主要研究内容和创新成果 | 第20-25页 |
| ·主要研究内容 | 第20-21页 |
| ·创新成果 | 第21-25页 |
| 第二章 图像数据挖掘基础 | 第25-37页 |
| ·引言 | 第25页 |
| ·图像挖掘的定义和特点 | 第25-26页 |
| ·图像挖掘模型 | 第26-29页 |
| ·功能驱动模型 | 第28页 |
| ·信息驱动模型 | 第28-29页 |
| ·图像挖掘相关技术 | 第29-35页 |
| ·图像特征提取 | 第29-32页 |
| ·图像分类 | 第32-33页 |
| ·图像聚类 | 第33-34页 |
| ·图像相似性搜索 | 第34-35页 |
| ·本章小结 | 第35-37页 |
| 第三章 基于显著性的视觉模式挖掘 | 第37-69页 |
| ·引言 | 第37-39页 |
| ·视觉选择性注意模型 | 第39-42页 |
| ·自底向上的注意模型 | 第39-41页 |
| ·自顶向下的注意模型 | 第41-42页 |
| ·自底向上和自顶向下相结合 | 第42页 |
| ·基于统计学习的视觉显著性模型 | 第42-58页 |
| ·显著图与非显著图 | 第44-45页 |
| ·多尺度相关性 | 第45-46页 |
| ·图像特征描述 | 第46-53页 |
| ·分类器实现 | 第53-56页 |
| ·相关性值计算 | 第56-58页 |
| ·客观性评估实验 | 第58-62页 |
| ·实验图像集 | 第58-59页 |
| ·实验结果与讨论 | 第59-62页 |
| ·主观性眼动实验 | 第62-66页 |
| ·实验环境 | 第62-65页 |
| ·实验结果 | 第65-66页 |
| ·本章小结 | 第66-69页 |
| 第四章 基于语义的视觉模式挖掘 | 第69-93页 |
| ·引言 | 第69-71页 |
| ·基于视觉一致性的模式挖掘方法 | 第71-72页 |
| ·视觉一致性的度量 | 第72-76页 |
| ·动态融合策略 | 第72-73页 |
| ·特征描述 | 第73-76页 |
| ·无监督的视觉模式挖掘 | 第76-84页 |
| ·算法框架 | 第76-78页 |
| ·特征密度估计方法 | 第78-84页 |
| ·实验结果 | 第84-89页 |
| ·数据集和评估方法 | 第84-85页 |
| ·实验结果和分析 | 第85-89页 |
| ·本章小结 | 第89-93页 |
| 第五章 基于显著性和一致性的图像重排序 | 第93-113页 |
| ·引言 | 第93-95页 |
| ·显著性和一致性的融合方法 | 第95-101页 |
| ·算法框架 | 第95-97页 |
| ·基于随机游走的融合方法 | 第97-99页 |
| ·图像特征描述 | 第99-101页 |
| ·实验结果和讨论 | 第101-110页 |
| ·评估方法 | 第102-103页 |
| ·实验结果 | 第103-105页 |
| ·分析与讨论 | 第105-110页 |
| ·本章小结 | 第110-113页 |
| 第六章 总结与展望 | 第113-117页 |
| ·全文工作总结 | 第113-114页 |
| ·未来工作展望 | 第114-117页 |
| 参考文献 | 第117-135页 |
| 致谢 | 第135-137页 |
| 在学期间的研究成果及发表的论文 | 第137-141页 |
| 附件 | 第141页 |
